自適應(yīng)模糊神經(jīng)推理系統(tǒng)

? ? 人工神經(jīng)網(wǎng)絡(luò)有較強(qiáng)的自學(xué)習(xí)和自適應(yīng)能力，但它類似一個(gè)黑箱，缺少透明度，不能很好地表達(dá)人腦的推理功能，而模糊系統(tǒng)本身沒有自適應(yīng)能力，限制了其應(yīng)用。

? ?自適應(yīng)模糊神經(jīng)推理系統(tǒng)(Adaptive Neuro-FuzzyInference System)也稱為基于網(wǎng)絡(luò)的自適應(yīng)模糊推理系統(tǒng)(Adaptive Network-based Fuzzy Inference System)，簡稱ANFIS，1993年由學(xué)者Jang Roger提出。它融合了神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)機(jī)制和模糊系統(tǒng)的語言推理能力等優(yōu)點(diǎn)，彌補(bǔ)各自不足，屬于神經(jīng)模糊系統(tǒng)的一種。同其他神經(jīng)模糊系統(tǒng)相比，ANFIS具有便捷高效的特點(diǎn)，因而已被收入了MATLAB的模糊邏輯工具箱，并已在多個(gè)領(lǐng)域得到了成功應(yīng)用。

典型的ANFIS的結(jié)構(gòu)如下圖所示，

為了實(shí)現(xiàn)T-S模糊模型的學(xué)習(xí)過程，一般將其轉(zhuǎn)化為一個(gè)自適應(yīng)網(wǎng)絡(luò)，即自適應(yīng)模糊神經(jīng)推理系統(tǒng)，如圖。

該自適應(yīng)網(wǎng)絡(luò)是一個(gè)多層前饋網(wǎng)絡(luò)，其中的方形節(jié)點(diǎn)需要進(jìn)行參數(shù)學(xué)習(xí)。

（第一層為輸入變量的隸屬函數(shù)層）

?

給定前件參數(shù)后，自適應(yīng)模糊神經(jīng)推理系統(tǒng)的輸出可以表示成后件參數(shù)的線性組合：

? ??因此ANFIS可以通過BP算法或BP算法和最小二乘估計(jì)法的混合算法來進(jìn)行學(xué)習(xí)，來調(diào)整系統(tǒng)的前件和后件參數(shù)。在混合算法中，前向階段計(jì)算到第四層，然后用LSE辨識后件參數(shù)。反向階段誤差信號反向傳遞，用BP法更新前件參數(shù)。

? ? 當(dāng)前件參數(shù)固定時(shí)，用LSE法辨識的后件參數(shù)是最優(yōu)的。采用混合法可以減少BP法的搜索空間尺度，從而提高ANFIS的訓(xùn)練速度。

? （在網(wǎng)絡(luò)的的前向?qū)W習(xí)過程中，采用n組訓(xùn)練數(shù)據(jù)的輸入值，求得參數(shù)值及輸出值，n個(gè)值按最小二乘法原則計(jì)算計(jì)算值與訓(xùn)練數(shù)據(jù)原期望誤差值，并將此誤差值反向傳回，按最大梯度法修正前提參數(shù)，在改變這些參數(shù)的過程中不斷實(shí)現(xiàn)對隸屬函數(shù)圖形的修改，以期在設(shè)定的循環(huán)過程中達(dá)到輸出誤差值最小的目的。）

?

? ? 自適應(yīng)網(wǎng)絡(luò)模糊推理系統(tǒng)實(shí)現(xiàn)了模糊邏輯推理與神經(jīng)網(wǎng)絡(luò)的結(jié)合，因而這種結(jié)構(gòu)形式同時(shí)具有模糊邏輯易于表達(dá)人類知識和神經(jīng)網(wǎng)絡(luò)的分布式信息存儲及學(xué)習(xí)能力的優(yōu)點(diǎn)，是智能學(xué)科的重要發(fā)展，為工程信息的處理提供了新的有效方法。

總結(jié)

以上是生活随笔為你收集整理的模糊神经网络系统2的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。